Download
1 / 35
350 likes | 445 Views
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA STROJNÍ ÚSTAV PŘÍSTROJOVÉ A ŘÍDICÍ TECHNIKY ODBOR AUTOMATICKÉHO ŘÍZENÍ A INŽENÝRSKÉ INFORMATIKY. Aplikace objektově orientovaných metod pro analýzu a návrh řídicích systémů složitých komplexů
E N D
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA STROJNÍ ÚSTAV PŘÍSTROJOVÉ A ŘÍDICÍ TECHNIKY ODBOR AUTOMATICKÉHO ŘÍZENÍ A INŽENÝRSKÉ INFORMATIKY Aplikace objektově orientovaných metod pro analýzu a návrh řídicích systémů složitých komplexů Prof. Jiří Bíla
Stručný nástin vývoje OMT a UML State diagrams Ward, Mellor 1985 Stavové diagramy DFD DeMarco 1978 Diagram toku dat OOA Coad, Yourdon 1990 Objektově orientovaná analýza Model Entity – Relationship Codd et al. 1990 statické vztahy mezi entitami Object-oriented design Booch 1991 komponentový diagram, diagram nasazení OOSE Jacobson 1994 Zavedení Use-Case OMT Rumbough et al. 1991 Objektová modelovací technika Unified Method 0.8 Rumbaugh, Booch 1995 UML 0.9 - 1996 OMG – Object Management Group UML 1.0 - 1997 UML 2.0 - 2004
Korektnost návrhů • Z pohledu analytika – „Je splněno zadání?“ • Z pohledu zadavatele – „Plní systém požadovanou funkci?“ • Z pohledu experta – „Dokáži se orientovat v modelech, abych je mohl zkontrolovat?“ • Z pohledu implementátora – „Jsou modely napsány korektně pro implementaci?“ • Z pohledu optimálnosti – „Jsou modely nejlepší z možných (srovnatelných)?“
u1 a1 a2 u2 u3 a3 a3 a4 u4 u5 u6 a5 u7 a6 a7 u8 Přehlednost a jednoduchost modelů - Substrátně strukturní entropie Kde:n – počet uzlů, m – počet vazeb eik – počet dvojic vázaných vztahem i, který vychází z uzlu k
SAT ATM PČR Objektové diagramy - Substrátně strukturní entropie
SAT ATM PČR Objektové diagramy - Substrátně strukturní entropie
Substrátně strukturní entropie objektových modelů Objektové / třídové diagramy Stavové diagramy kde n – počet všech tříd / objektů v celém modelu, m – počet všech vazeb (asociací, agregací, …) eik – počet dvojic tříd / objektů vázaných vazboui, která vychází ze třídy / objektuk kde n – počet všech stavů v celém modelu (včetně Start a Stop stavů), m – počet všech stavových přechodů [%]
Optimálnost modelů - Modifikovaná Míra Explanační Koherence Abduktivní přístup: Na dané znalosti K aplikujeme návrh řešení DS. Výsledek porovnáme s požadavky S. Postupnými kroky za neustálého rozšiřování znalostí K dosáhneme daných požadavků S. Explanační koherence (H. Takeda 1994): kde e je celkový počet specifikací (#S), N je celkový počet vrcholů důkazového grafu a Nij je počet vrcholů sk v důkazovém grafu, pro který existuje sekvence přímých hran z vrcholu sk do vrcholu si a zároveň z vrcholu sk do vrcholu sj (vrcholy sk, si, sj jsou části specifikace)
Optimálnost modelů - Modifikovaná Míra Explanační Koherence Množina Asociovaných Znalostí X Množina X Asociovaných Znalostí je získána jako výsledek Dotazovací fáze – hledání chyb ve struktuře UML modelu a hledání nadbytečných informací v tomto modelu. K této množině X definujme další dvě množiny:W … množina koeficientů důležitosti; X … množina koeficientů objektové kategorie Množina Koeficientů důležitosti W Tyto koeficienty jsou získány libovolnou expertní metodou při zachování dvou podmínek: čím větší „důležitost“, tím vyšší je hodnota ; hodnoty koeficientů musí být v intervalu 1, 2. Množina Koeficientů objektové kategorie X Hodnota koeficientů xj je dán konceptuální kategorizací: X 0 = { x(třída) = 1,75; x(objekt) = 1,65; x(vazba) = 1,5; x(závislost) = 1,4; x(atribut) = 1,3; x(operace) = 1,2 } Kontext návrhového problému Příklad: CNX = { (SOS_Skříň;1,3;1,75); (Hasiči;1,2;1,3); …}
X1 X2 X3 X4 X5 X1 1 1 1 0 X2 1 0 0 X3 1 0 X4 1 X5 Optimálnost modelů - Modifikovaná Míra Explanační Koherence Závislost (Nezávislost) Asociovaných Znalostí Definice 1.: Asociované znalosti x1 , x2 jsou závislé (DNT(x1,x2)), jestliže splňují jednu (nebo obě) z následujících podmínek: - Změna (variace) x1 je spojena se změnou x2 . - Použití x1 v řešení problému vylučuje použití x2 . V této práci je přitom uvažován pouze kvalitativní aspekt vztahu DNT, nikoli jeho vliv. Definice 2.: Asociované znalosti x1, x2 , které nejsou závislé, jsou uvažovány jako nezávislé (IND(x1,x2)). Vztah DNT (resp. IND) je vyjádřen pomocí kvalitativní matice MQ typu: - - - - - Pole 1 zde znamenají, že znalost xi je závislá na znalosti xj
Optimálnost modelů - Modifikovaná Míra Explanační Koherence Modifikovaná Míra Explanační Koherence kde indexy (j,k) odpovídají prvku 1 v Kvalitativní Matici MQ (tyto 1 reprezentují páry (xj,xk), každý s hodnotou (j, j), (k, k). Koeficienty (e, e) jsou ty větší z obou). N je počet X. Maximální a Relativní Modifikovaná Míra Explanační Koherence ECR = ECM / ECMAX
Optimálnost modelů - Modifikovaná Míra Explanační Koherence a) b)
